一、案例背景
近几年电商行业整体的技术升级，“货品”从被动等待搜索和购买，变成主动寻找目标用户。这种变化你也可以视为电商的底层逻辑变化了，从以前的以“货”为中心，变成以“人”为中心。这背后的主要助推剂不是别的，正是数据分析。通过对商品、用户、平台海量数据的深度分析，平台、商家就能知道什么样的商品容易卖给什么样的人，哪一类商品更受欢迎，从而对症下药，实现精准营销。而这个过程中，数据分析师扮演了极为重要的角色。
现在，作为数据分析师，要完成一家国内乳企的任务，需要根据现有数据进行分析，确定企业未来一年的营销品类重点，并通过消费者分析为企业的精准营销提出建议。
二、案例任务
1. 该公司应该重点营销哪些品类的产品？
- 从销售同比增长率和市场占有率两个关键维度进行划分（使用对比分析法按照先比整体再比局部、先比差距再比变化）
-根据销售同比增长率和市场占有率找出明星产品和潜力产品（绘制矩阵图，矩阵分析法找到优先级高的产品）
2. 针对不同品类的产品，如何实现精准营销？
- 不同品类的用户画像是什么样的?（分析不同维度的用户画像）
- 不同品类的消费者中，哪些是高价值用户？（根据转化率和人均消费绘制矩阵图，找出高价值用户）
-总结每个品类各个维度的用户画像，实现精准营销
三、案例脑图梳理
四、数据分析
1、如何找出明星产品和潜力产品
-矩阵分析法目的就是找到优先级最高的任务
-从产品的销售额同比和销售额占比情况入手，使用两个维度的均值用矩阵分析绘制清晰地矩阵图
-明星品类：同比和占比均高于平均值（第一象限）
-潜力品类：同比高于均值、占比没有高于整体均值，由于现在增长速度非常快，未来潜力无限，是一个非常重要的增长点（第二象限）
2、如何绘制不同属性的用户画像
-目的：需要描述各个品类的用户属性特征、对比不同品类用户属性的差异
-把每个品类不同用户结构数据加工成占比形式呈现，就能清晰看出同一品类不同用户结构的差异
-要对比不同品类用户属性的差异需要使用百分比堆积柱形图，表示该品类总体是100%，该品类下的各个不同用户结构占比组成这个100%，这样就便于不同品类之前进行对比用户属性的差异了
3、如何找出不同人群的消费偏好
-用策略人群数据同一人群不同品类的购买人数加工成占比，就可以看到该人群不同品类的消费占比情况
-把所有人群的占比数据绘制柱形图，就可以看到不同人群对于不同品类的消费偏好情况
4、如何找出不同品类消费者中，哪些人群是高价值用户
-用转化率和人均消费均值绘制矩阵图，找到每种产品中的明星用户和潜力用户，就是每种品类的高价值用户
-明星用户：转化率和人均消费都高于均值，这类用户各方面都比较优质，所以是明星用户（第一象限）
-潜力用户：人均消费高于均值，转化率低于平均值，就是潜力用户。这类用户转化率虽然低，但是人均消费高，通过活动可以提高转化率，有很大的挖掘空间（第二象限）
5、不同品类乳品中，如何实现精准营销
-总结每个品类各个维度的用户画像，从性别、年龄、地域、人生阶段、月消费水平等入手绘制每个品类精准的用户画像，实现精准营销
五、汇报报告
六、总结
根据销售额占比和同比情况来看，未来一年应该重点发力的品类是酸奶和高端纯牛奶。
高端纯牛奶用户画像：
女性、25-39岁、1-2线城市、月均消费：2000-5999元、已婚已育阶段、省份集中（广东、北京、上海、浙江、山东）、主要人群（资深白领、新锐白领）。
酸奶用户画像：
女性、18-34岁、2-3线城市、月均消费：1500-2999元、已婚已育、单身、省份集中（广东、江苏、浙江、湖北、北京）、主要人群（新锐白领、Z时代人群、都市蓝领、小镇青年）。
写在最后：
数据分析我也是个菜鸟，只是喜欢而已，以后有志于从事这方面的工作，我的一些经验就是：先明确任务要求——根据任务绘制脑图——然后任务如何进行分析（包括分析方法、数据维度筛选、图表呈现等）——根据分析结果形成报告——汇报报告进行美化——方案执行——定期复盘看下结果是否达到预期等，这个分析过程就结束了。
关于如何选用分析方法就是发现问题（对比分析）——拆解问题（拆解分析）——验证问题（相关分析、用户行为轨迹分析法、矩阵分析法）：
网友评论